王琛　王云　陈丽芳　刘亚飞

摘 要： 针对空气质量等级问题，应用哈夫曼树和SVM构建了空气质量等级多分类模型。首先，数据采集与整理，采集2014年十月份数据，按空气质量类别计算其概率分布并升序排序；然后，依据排序结果构造哈夫曼树；根据所得哈夫曼树，建立支持向量机多分类器模型；最后利用MATLAB实现模型的设计与仿真。结果分析表明，该方法加快了支持向量机的分类速度和精度，减少了分类错误率，为多分类问题的处理提供了一个新的研究思路。

关键词：哈夫曼树；支持向量机（SVM）；多分类；空气质量指数（AQI）

中图法分类号：TP311；O1 文献标识码：A 文章编号：2095-2163（2016）01-

Abstract： For the problem of air quality level， the classification model of air quality level based on Huffman tree and SVM are constructed. Through collection the data of air influence factors in October 2014， the probability is calculated and ordered ascending by the air quality category. Then according to the results of sorting， the Huffman tree is also constructed. And on the basis of Huffman tree， the support vector machine classifier model is established. Finally， the model is design and simulation by MATLAB. The result shows that the new model improve the efficiency of classification， meanwhile， reduces the classification error rate. It provides a new idea and a perfect method for multi classification problem.

Keywords： Huffman Tree； Support Vector Machine； Multi Classification； Air Quality Index

0 引言

随着社会的不断进步、经济的飞速发展，工业化生产排放到大气中的众多污染物使空气质量明显下降，致使人们的身体健康受到一定威胁。环境空气质量等级的制定能够为人们的出行提供参考，因此对空气质量的统一、精准分类将会对人们合理规划生产生活，以及城市决策管理层出台治理空气污染的有关政策法规发挥具有基础和依据性的现实重要作用。

张丽[1]等选取影响空气质量最重要的三个指标PM10、SO2、NO2的浓度值，说明了支持向量机分类预测模型在城市空气质量级别预测中是有效的。李俊飞[2]用支持向量机分别进行训练和预测，最后合成得到预测结果，实验结果表明该方法的预测效果较好。陈祖云等[3]环境空气质量评价的特征向量选择为SO2、NO2、TSP（总悬浮颗粒物）和降尘。我国现在以环境……